面向基因的文本挖掘方法研究及其應(yīng)用.pdf

1、近年來關(guān)于基因功能、基因和疾病關(guān)系的生物醫(yī)學(xué)文獻(xiàn)大量涌現(xiàn),但因其數(shù)量之多、涉及范圍之廣,很難靠人力完成全部的閱讀來發(fā)現(xiàn)其中豐富的生物學(xué)知識(shí)。同時(shí),從事基因疾病課題的研究人員,要通過大量的實(shí)驗(yàn)和臨床數(shù)據(jù)分析才能得到出課題結(jié)論或預(yù)測(cè),研究周期長(zhǎng),人力物力投入大,而且每研究一種新基因或新疾病就要重復(fù)實(shí)驗(yàn)過程,知識(shí)發(fā)現(xiàn)過程緩慢。為了能夠充分利用已有的研究成果,節(jié)省人力物力,需要將文本中的生物學(xué)知識(shí)抽取出來提供給研究人員,幫助他們快速了解基因或疾

2、病,加快相關(guān)研究的進(jìn)展。 我們開發(fā)的基因疾病關(guān)系數(shù)據(jù)庫(kù)系統(tǒng),利用生物醫(yī)學(xué)文本挖掘工具,從系統(tǒng)自動(dòng)下載的生物醫(yī)學(xué)文摘中抽取基因、疾病、基因本體等信息實(shí)體及其相互關(guān)系,將這些數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)中,把非結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)化為可檢索的結(jié)構(gòu)化數(shù)據(jù)。系統(tǒng)提供基因、疾病、基因本體等生物學(xué)實(shí)體關(guān)聯(lián)信息的檢索,以及關(guān)聯(lián)信息原文原句的查詢,使用戶全面了解感興趣的基因或疾病,幫助用戶加速相關(guān)學(xué)科的研究。此外,系統(tǒng)具有可視化的串聯(lián)檢索功能,能夠利用數(shù)據(jù)庫(kù)

3、中已有的生物學(xué)實(shí)體關(guān)系,對(duì)潛在的生物學(xué)實(shí)體關(guān)系進(jìn)行深度挖掘,分析出新的生物學(xué)實(shí)體關(guān)聯(lián)信息,為用戶相關(guān)研究的進(jìn)展提供幫助。 基因疾病關(guān)系數(shù)據(jù)庫(kù)已存儲(chǔ)了本體信息約330萬條,2000-2003年基因疾病相關(guān)的文摘約10萬篇,其中經(jīng)過文本挖掘處理的文摘約10000篇,生物學(xué)實(shí)體關(guān)聯(lián)信息約12000條,數(shù)據(jù)仍在不斷增加中。經(jīng)測(cè)試,系統(tǒng)具有良好的生物學(xué)實(shí)體關(guān)聯(lián)性,能夠發(fā)現(xiàn)潛在的基因、疾病、基因本體相互作用網(wǎng)絡(luò),挖掘出新的生物學(xué)實(shí)體關(guān)系,輔